※ 本文轉寄自 ptt.cc 更新時間: 2023-05-11 12:29:32
看板 Military
作者 標題 Re: [情報] 情報數則
時間 Wed May 10 04:28:57 2023
我覺得這樣比喻有點失準，應該說單純把人工智慧分成「強人工智慧」與「弱人工智慧」
● 弱人工智慧
專注於某項特定任務，舉例來說如果有個人工智慧能自動依照作戰環境來切換雷達的掃描模式、自動選擇濾波演算法，這樣就算弱人工智慧
而且「弱人工智慧」不一定能夠跟你交互，或是說你只能透過它專精的事情來達成交互
○ 如果把 F-14 的 WSO 用弱人工智慧來取代
那就相當於一個無口屬性的機娘自動幫你切換 APG-71 的掃描模式，切換電子對抗，但你並不能夠直接跟它對話，而是透過在雷達光點上點選或是按鈕，然後這位有點呆的 WSO 醬就會幫你處理好雷達跟武器，你只要開火就好
空戰中它會透過攝影機還有雷達警告接收器幫你看六點，被咬的時候就發出聲音提醒你，不過建議你問工程師可不可以換自訂語音
● 強人工智慧
或是說「通用人工智慧」則更全面，它不僅能夠理解「如何駕駛戰鬥機、如何空戰並取勝」，更重要的是它夠理解人類透過口語或是戰術鏈所下達的戰術命令，並調整自己的行為
如果美軍之前實驗的 X-62 VISTA 可以在預先輸入的飛行計畫內，依據戰術指令去改變行為，而且能夠以語音或其他方式回饋這些改變，或是說它能夠從模擬戰場環境去接收各種情報後靈活的應對，那就算「通用人工智慧」
把「弱人工智慧」想成「凰牙」，「通用人工智慧」想成「阿斯拉」就可以理解了，「凰牙」只能專注於開 CF，甚至寫死在拼圈速這點，但它就是可以做到超越人類
然而「阿斯拉」雖然一開始表現平平，但它可以逐漸發掘出更多可能性，不論是在賽道上還是被關在車庫裡賭氣想怎麼挖苦人
● 封鎖高階 GPUPU 跟 3nm 以下的 EDA 是兩個互補的招式
你缺乏高階 GPUPU 就無法在能源與經費預算可行的情況下搭建算力農場來訓練通用人工智慧模型，那在有時間與預算壓力下你能達到的效用就會縮減，而封鎖三奈米以下 EDA 則可以壓制對方 FGPA/ASIC 的性能跟迭代速度
以機械學習為例，通常用 Python 寫出可執行的程式後，如果要把速度提升跟最佳化，會考慮用更底層的 C 重寫一次運算與執行，來減少編譯層數跟延遲
這之間的差異就是:
⊙ Python --Interpreter-> Byte Code --VM-> Machine Code
⊙ C --Compiler-> Machine Code
類似的情況也會出現在高階訊號處理晶片，如果用傳統的 ADC/DSP/DAC 晶片來搭建訊號處理單元，那就相當於用一顆一顆獨立的 MOSFET 來完成整塊邏輯板，大小會十分驚人
https://i.imgur.com/9ENDtmF.png
![[圖]](https://i4.disp.cc/imgur/9ENDtmFh.png)
這個用 MOSFET 來完成邏輯板的專案叫做 TraNOR，某種程度上的神經病（稱讚）
https://t.co/XHQWYjtrPs
Thousands Of Discrete MOSFETs Make Up This Compact CPU-Less Computer | Hackaday
![[圖]]()
How long has it been since a computer could boast about the fact that it contained 2,500 transistors? Probably close to half a century now, at a guess ...
![[圖]](https://hackaday.com/wp-content/uploads/2021/05/tranor_housed_1914x1800.jpg?w=600&h=600)
因此大部分的高集成度的高速晶片都是用 VDHL 來作驗證跟迭代，然後量產時依照需求在可靈活更新的 FPGA，與刪減無用電路來提升能耗比跟效能的 ASIC 間取捨
這時在製程與電路設計的能力與技術瓶頸會嚴重影響訊號處理、運算能力的表現，就算你軟體模擬時寫的再好，但實際開始走向硬體，開始設計晶片時就會卡了
就像是雷達中必備的各類模組，包含了上面提到的 ADC/DSP/DAC 還有濾波 AAF、等化 EQ 這些，你是要各部份都能靈活調整又省電，還是模組卡上密密麻麻一堆 IC 又慢又熱，差距就出來了
● 要形容差距大概就是
可能五年後美軍的 M1A3 只有炮手跟駕駛，環境感知、索敵是靠名為美穗的 AI 在處理，因此炮手反而比較像是車長兼預備裝填手，在名為優花理的自動裝彈機罷工時手動選彈跟裝填
然後另外一邊中國是用習主席配音的大地勇士系統，而且也只能達成聯隊規模的地圖跟接敵狀態共享
※ 引述《LucidWorld (入曦)》之銘言：
: 其實也不知道怎麼說明，再不講得太深入又能夠很簡白地說
: 真的蠻難的，我就大概點到一些點，然後開頭直接下個結論吧
: 美國想阻止的是中國透過AI完成強人工智慧，或是通用型的AI
: 有點類似現在目前的ChapGPT進化的最終版
: 但如果要阻止中國完成區域性或是弱人工智慧已經不可能了
: 然後4090就沒辦法做正經的AI嗎?
: 只能說在軍武點上要實現的AI功能，其實大部分有11GB左右的顯卡就能完成
: 也就是像2080TI這樣的顯卡，就能完成很多現今軍武裝備的大躍進
: 這邊科普一下，我們現今說的AI其實是一個很大的範疇
: AI包含了機器學習(ML)、深度學習(DL)、強化學習(RL)等等
: 但往往現今在講的一些AI或是突破會是以深度學習較多
: 通常在做一個AI模型，如果是DL會有兩個階段
: 第一個階段稱之為訓練(Training)
: 第二個階段稱之為實現/推理(Inference)
: 第一個階段通常就會使用GPU進行模型的參數訓練
: 簡單來說就是透過大量的資料來得到一批好的參數
: 而第二階段就不一定要使用到GPU了
: 在實務面上在第二階段使用GPU會遇到一些瓶頸，例如體積、耗電量、等問題
: （當然如果在工廠內其實就沒差，機台就這麼大台）
: 但如果在一些軍武設備上，以上就是要考量的點，還要考量很多額外因素
: 所以往往會是自行客製化的板子來實現，大家可以想像就是客製化不外售的板子
: 或是可以參考特斯拉的作法，就是會客製化晶片/FPGA
: 那回過頭來說，對這些軍武大廠來說，麻煩的並不是訓練出一個模型
: 而是怎麼把模型很好的放在他們的軍武設備裡面，而且可以正常運作
: 因為這邊就牽扯到了很多模型部屬，然後要用底層的程式碼來撰寫神經網路這件事
: 那老美為什麼要禁中國取得這些伺服器等級的GPU呢?
: 因為這些GPU可以訓練出有自主能力的AI
: 大家就可以想像AlphaGO(當初下圍棋的AI)
: 在軍武點上就是以後的無人機變成是可以自主接敵
: 無人潛艦可以自行鎖敵規劃接戰流程
: 無人砲車/自主機器人等等等...
: 那現今的狀況呢?
: 單純的影像辨識、訊號辨識、雷達辨識在各大軍火商已經相當成熟了
: 甚至一些新的產品用的一些AI模型甚至也不是深度學習架構
: 舉一個這次烏俄戰爭中最明顯的美俄差距
: 為什麼美國像是隨時開圖一樣呢?這點大家仔細想想應該也不難理解
: NV除了被斷大型的伺服器GPU外，其實也限縮了很多嵌入式的GPU
--
在街道上橫行的亂象只是一個表象的病徵，表明了這個文明已經身患重病
它的公民（所有人都是）只知道歌頌著「權力」的神話
卻忘記了他們自身應擔負的責任
由這種公民所組成的國家是不可能國運長久的
【星艦戰將, Starship Troopers 】 羅伯特‧海萊恩 1959
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 122.116.15.4 (臺灣)
※ 作者: takahashikag 2023-05-10 04:28:57
※ 文章代碼(AID): #1aMgqGjb (Military)
※ 文章網址: https://www.ptt.cc/bbs/Military/M.1683664144.A.B65.html
※ 同主題文章:
03-10 19:28 ■ Re: [情報] 情報數則
… ×64
05-07 21:07 ■ Re: [情報] 情報數則
05-08 05:53 ■ Re: [情報] 情報數則
05-09 12:50 ■ Re: [情報] 情報數則
05-09 22:05 ■ Re: [情報] 情報數則
05-10 01:43 ■ Re: [情報] 情報數則
● 05-10 04:28 ■ Re: [情報] 情報數則
05-10 15:59 ■ Re: [情報] 情報數則
05-11 12:26 ■ Re: [情報] 情報數則
05-12 03:25 ■ Re: [情報] 情報數則
05-12 19:25 ■ Re: [情報] 情報數則
05-13 01:19 ■ Re: [情報] 情報數則
… ×43
推 : 推，譬喻淺顯易懂XD1F 05/10 04:34
推 : 不過現在通用人工智慧光是跑訓練出來的模型都2F 05/10 04:56
→ : 還要非常大的算力,要把他放到可移動裝置上,
→ : 我覺得五年內太樂觀了吧
→ : 還要非常大的算力,要把他放到可移動裝置上,
→ : 我覺得五年內太樂觀了吧
推 : 戰鬥妖精雪風裡的雪風是強AI還是弱AI?5F 05/10 05:00
雪風那個太神棍了，絕對是強AI，但論運算速度還有資料獲取能力，最可怕的還是 FAF 超級電腦群集裡的特殊戰電腦（STC）
發生在菲雅利星的戰鬥並不是人類對抗迦姆，而是以 STC 為首的軍用超級電腦（我記得叫做 中央戰術電腦）以人類當作棋子在跟迦姆對奕
推 : 很久前看的 忘了 不過能自己判斷戰場態勢6F 05/10 05:02
→ : 然後做出整套決策 那是強AI
→ : 然後做出整套決策 那是強AI
推 : 如果是用網路傳送運算結果呢 強AI放雲端運算就好8F 05/10 05:06
→ : 類似現在chatGPT的用法
→ : 類似現在chatGPT的用法
推 : 這樣你派太多台出擊時網路頻寬不夠用全部 lag 到死10F 05/10 05:24
→ : 就跟台北世貿辦展覽時的會場一樣......
→ : 就跟台北世貿辦展覽時的會場一樣......
→ : 突然看懂了，這比喻太好懂了12F 05/10 07:01
→ : CV可以自己選嗎（x13F 05/10 07:15
推 : 呃...太專業了 專業到不知道該怎麼推14F 05/10 07:20
推 : 把活人的精神塞到數據風暴裡就好了15F 05/10 07:44
→ : 秒變有靈魂的AI
→ : 秒變有靈魂的AI
→ : 人類能做出攻殼車的話就很厲害啦17F 05/10 07:50
推 : 專業知識文中，又飄出一點點的宅味~~讚啦!!我喜歡這18F 05/10 07:55
→ : 風格。謝謝分享!!!
→ : 風格。謝謝分享!!!
推 : 推20F 05/10 08:07
→ mofass …
推 : 推22F 05/10 08:20
推 : 有Cortana那種的就好23F 05/10 08:21
推 : 妙喻24F 05/10 08:22
推 : 雪風裡面還有說過預算都是電腦(AI)在審的25F 05/10 08:30
推 : 這是小說設定嗎？以為只是發現被外星人騙然後撤退26F 05/10 08:40
→ : 原來這麼黑的嗎
→ : 原來這麼黑的嗎
別說 B-3，以 STC 為首的中央戰術電腦可是很黑的，在拯救大部分 FAF 而犧牲某些人這點它可是毫不遲疑
甚至情報軍團的隆伯特提出的滲透戰術，某種程度上都是 STC/SSC 認為獲取情報的價值大於某些人類被迦姆轉化成果凍人才批准
當然最後中央戰術電腦發現整個星球都是實驗場之後就掀桌（核彈炸廊道）了
推 : 舉手 請問百科中校到底是….28F 05/10 08:41
推 : 喔幹，這我可以。淺顯易懂。29F 05/10 08:44
推 : 以後上車第一件事：破解後台裝自己的主推語音包30F 05/10 08:46
推 : 我要裝諾艾爾團長，然後叫她唱歌給我聽31F 05/10 09:09
→ : 弱AI會把人類搞死（煌的試駕車手）32F 05/10 09:11
→ : AI現在就是一個黑盒子，各家大廠大佬不明白為什麼33F 05/10 09:11
→ : 我只是把數據庫擴大，AI就會湧現一些能力出來
→ : 我只是把數據庫擴大，AI就會湧現一些能力出來
推 : 軍火商：不同CV要另外購買喔35F 05/10 09:14
推 : 俄軍在烏克蘭戰中一堆基層軍官陣亡，指揮體系破壞36F 05/10 09:23
→ : ，先前想過鵝兵乾脆改由車載AI指揮作戰，AI的代號
→ : 是尤里
→ : ，先前想過鵝兵乾脆改由車載AI指揮作戰，AI的代號
→ : 是尤里
→ : 樓上你說的那個總覺得有一種不妙的預感..39F 05/10 09:27
推 : 西住AI車長我可以 不過也想聽聽看AI琴魔開外掛40F 05/10 09:31
![[圖]](https://i4.disp.cc/imgur/JolD2W2.png)
推 : 推。抓個bug:優理花→優花理42F 05/10 09:37
![[圖]](https://i4.disp.cc/imgur/dxWqWZFh.jpg)
推 : 推45F 05/10 09:46
推 : 戰鬥妖精雪風表示：46F 05/10 10:12
推 : 中間講 FPGA 乃至 ADC 設計思路的地方我給個箭頭，47F 05/10 10:24
→ : 請問哪裡來的根據說設計 FPGA-Based 的電路一定是使
→ : 用 Python 來進行事前模擬？基本上高階語言的 OOP l
→ : anguage 的訊號模擬直接轉換成電路是近年才出來的東
→ : 西，如果是純數學驗證的話也不是 Python 先出現的吧
→ : ？
→ : 要給箭頭給成推了== 算了
→ : 然後還有，ASIC 的 ADC 設計也不完全是靠 FPGA 驗證
→ : 的，就我所知，類比電路設計更多的是跑 Cadence Or
→ : Synopsys 本家的 Spice 或 Verilog HDL 然後就直接
→ : 做 tape out 測試了。要是可以的話關於軍用 ADC 設
→ : 計有異於各大專院校或豬屎屋的話，望原 Po 能給一些
→ : Ref，感謝XD
→ : 請問哪裡來的根據說設計 FPGA-Based 的電路一定是使
→ : 用 Python 來進行事前模擬？基本上高階語言的 OOP l
→ : anguage 的訊號模擬直接轉換成電路是近年才出來的東
→ : 西，如果是純數學驗證的話也不是 Python 先出現的吧
→ : ？
→ : 要給箭頭給成推了== 算了
→ : 然後還有，ASIC 的 ADC 設計也不完全是靠 FPGA 驗證
→ : 的，就我所知，類比電路設計更多的是跑 Cadence Or
→ : Synopsys 本家的 Spice 或 Verilog HDL 然後就直接
→ : 做 tape out 測試了。要是可以的話關於軍用 ADC 設
→ : 計有異於各大專院校或豬屎屋的話，望原 Po 能給一些
→ : Ref，感謝XD
比喻簡化太多我補上了，我的意思是高速晶片的迭代不是像搓電路板一樣
拿出 EDA/CAD 畫一畫，跑一下電磁干擾模擬還有設計規則檢查就可以直接打版，而是需要從軟體層面的模擬，到確定硬體層面、電氣特性都跟虛擬相符才能開光罩
而封鎖 3 奈米以下的 EDA 會讓中國沒辦法繼續集縮 FPGA/ASIC 的電晶體密度跟提升設計複雜度，進而影響效能
推 : 打仗還在聽著維尼的聲音作戰 好像有點噁心60F 05/10 10:41
推 : 被關在車庫裡賭氣想怎麼挖苦人 XD61F 05/10 11:06
推 : 看你們這幾篇感覺很恐怖 難怪美國全面圍堵中國62F 05/10 11:14
推 : 因為當初晶片也是DARPA重點投資的項目，他們非常清63F 05/10 11:38
→ : 楚晶片在軍事的價值
→ : 楚晶片在軍事的價值
→ : 他講的驗證設計的部分應該指的是訊號處理 為了方便65F 05/10 11:48
→ : 驗證功能和升級很早就在用fpga而不是每個功能都是
→ : 開專屬dsp 然而fpga吞吐量有限 要提升效能最直接就
→ : 是微縮製程硬幹內部資源上去
→ : 驗證功能和升級很早就在用fpga而不是每個功能都是
→ : 開專屬dsp 然而fpga吞吐量有限 要提升效能最直接就
→ : 是微縮製程硬幹內部資源上去
→ : 這跟人工智慧到底有啥屁關係... 不用AI也可以做到69F 05/10 11:59
→ : @fatcat0423 純訊號處理跑 ADC RTL 驗證更不可能直70F 05/10 12:12
→ : 接跑在 FPGA 上吧？光是要驗證 time delay 問題就會
→ : 需要直接在電腦上跑完整的 STA 模擬了，除非真的只
→ : 是要驗證很前期的邏輯功能才可能動到 FPGA，但就我
→ : 所知，很多類比 IC 的 Design flow 都會直接在 EDA
→ : 工具的的 RTL 及 STA 的驗證階段就一起將演算法驗證
→ : 掉了
→ : 而且一堆 RLC 電路功能 FPGA 根本沒辦法提供，Power
→ : 功耗驗證也是問題==
→ : 所以我才希望原 Po 可以稍微解釋一下讓我增長見識QQ
→ : 我看到原 Po 偷偷修內文了XD
→ : 接跑在 FPGA 上吧？光是要驗證 time delay 問題就會
→ : 需要直接在電腦上跑完整的 STA 模擬了，除非真的只
→ : 是要驗證很前期的邏輯功能才可能動到 FPGA，但就我
→ : 所知，很多類比 IC 的 Design flow 都會直接在 EDA
→ : 工具的的 RTL 及 STA 的驗證階段就一起將演算法驗證
→ : 掉了
→ : 而且一堆 RLC 電路功能 FPGA 根本沒辦法提供，Power
→ : 功耗驗證也是問題==
→ : 所以我才希望原 Po 可以稍微解釋一下讓我增長見識QQ
→ : 我看到原 Po 偷偷修內文了XD
推 : 鋼彈OO的軌道電梯跟VEDA不知道哪個會先出來81F 05/10 12:40
→ : ic級的設計與功能驗證當然用EDA就好了啊 方便又好82F 05/10 12:44
→ : 用 我是猜他講的是系統級功能但卻跟單一ic功能混在
→ : 一起講 當然也有可能有什麼特殊的應用是像他講的那
→ : 樣 等他說明囉
→ : 我也看到了xd
※ 編輯: takahashikag (122.116.15.4 臺灣), 05/10/2023 12:58:51→ : 用 我是猜他講的是系統級功能但卻跟單一ic功能混在
→ : 一起講 當然也有可能有什麼特殊的應用是像他講的那
→ : 樣 等他說明囉
→ : 我也看到了xd
推 : 所以我說那個機娘，甚麼時候可以買的到87F 05/10 13:45
推 : 推88F 05/10 15:54
推 : 推89F 05/10 16:21
推 : 有錯字， VHDL ，不是 VDHL 。90F 05/11 11:10
--
※ 看板: Military 文章推薦值: 0 目前人氣: 0 累積人氣: 88
回列表(←)
分享